基于PI-FCGAN与MPF-CNN的物理信息融合轴承故障诊断方法研究

摘要

针对现有深度学习方法在实际应用中面临样本有限及缺乏物理可解释性的问题，以滚动轴承为研究对象，提出一种结合物理信息频域约束生成对抗网络(PI-FCGAN)与多频域物理融合卷积神经网络(MPF-CNN)的协同故障诊断方法。PI-FCGAN通过引入高斯频谱模板和双通道判别器，增强生成图像的物理频域特征；MPF-CNN通过图像识别与频率预测双通道结构，引导模型同时学习图像特征和频域物理规律；最后将生成的样本与原始数据集进行混合。结果表明，该方法可以有效提升故障诊断的准确性和物理一致性。

关键词

深度学习 / 物理信息 / 频域约束 / 滚动轴承 / 故障诊断